老手经验：看发布会选了哪些 benchmark，就知道新模型成色
mariofilhoml · x · 2026-10-22
@mariofilhoml 提出一个简洁的判断法：一个新 LLM 的质量，可以从团队在发布公告里挑选哪些 benchmark 看出来。
选什么跑分、回避什么跑分，本身就是团队对模型强弱项的诚实信号——这比榜单数字更早暴露模型的实际水平。
「模型」频道最新
- DeepSeek 发布 V4.1-Flash-1017：性能成本双优化，登顶开源推理榜 — scaling01 · 2026-10-22
- 修复 PHP 漏洞被 OpenAI 安全限制拦住:能修不能验,用户吐槽 Codex 拦截 — Next_Technology6361 · 2026-10-22
- TPN-006 上架 Hugging Face:7.7GB 压缩版反超 Mistral 原模型 — markjeffrey · 2026-10-22
- Kimi K3.1 新 checkpoint 零样本 22 分钟画出 4.9 万 token SVG 肖像 — lyraxana · 2026-10-22
- MiniMax 发布 M3.1 Flash：价格仅 M3 的 1/3，速度快 3 倍 — MiniMax_AI · 2026-10-22
- 15 条提示词 3.5 小时：用 Gemini 4 Argon 零素材造出 60FPS 3D 卡丁车游戏 — rseroter · 2026-10-22